加窗LMS—ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法，这种方法以ＬＭＳ自适估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延仗估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理，理论分析和计算机仿真表明，这种方法在估计精度、收敛速度和计算复杂度方面均优于基本ＬＭＳ自适应时间延迟估计。     

一种抑制周期性干扰的二级自适应时间延迟估计方法

当接收信号中伴有周期性干扰时，相关时延估计方法会受到严重的影响而不能有效工作，采用二级自适应时间延迟估计方法，可以有效地去除周期性干扰对时延估计的影响，在较强的干扰下仍可得到准确的时延估值，其中第一级为干扰对消器，第二级为ＬＭＳ自适应时延估计器。     

混合扰动模型中LSE和若干有偏估计的局部影响

研究了线性回归中方差加权和均值漂移混合模型中ＬＳＥ和若干有偏估计的局部影响分析，从基于回归系数无偏估计的似然函数出发，求得回归系数最小二乘估计（ＬＳＥ）在混合扰动下的影响曲率，最大影响曲率和最大曲率方向，对于有偏估计，在后验分布对数似然函数的基础上，求出了这些有偏估计在混合扰动下的影响曲率，最大影响曲率和最大曲率方向。     

几种基本时间延迟估计方法及其相互关系

简要介绍了广义相关法等几种基本的时间延迟估计方法，着重分析了论证这几种方法之间的相互关系。结果表明：广义相关法与广义相位谱法是等效的，广义相关法是广义双谱法的特例，基于ＬＭＳ自适应横向滤波器的自适应法是迭代实现的广义相关法，参量模型法可以由自适应滤波器来实现。     

Beta分布参数的极大似然估计

利用均匀设计抽样（ＵＤＳ）方法，给出Ｂｅｔａ分布的参数极大似然估计（ＭＬＥ）。实例表明，此法是有效的。     

改进LMS时延估计算法在油气水三相流流量测量中的应用

油气水三相流流量测量是油气田开发动态监测普遍存在的问题,其测量的准确与否对油气田开发具有重要意义.本文提出一种基于最大似然LMS 自适应时延估计的改进算法,该算法首先通过小波变换对采集数据进行滤波以减小LMS 自适应时延估计的误差;然后采用改进的最大似然加权函数对计算结果进行修正,以使计算结果更加准确,收敛更加迅速.在大庆油田模拟井实验平台上对改进算法进行了验证,为准确测量油气水三相流流量提供了一种可行的方法.     

利用蒙特卡罗的最大似然时延估计算法

针对最大似然时延估计算法的峰值搜索计算复杂度较高且容易陷入局部收敛,造成估计误差较大的问题。提出了一种利用蒙特卡罗的最大似然时延估计(MCML)算法。首先利用信道频域响应估计矢量建立似然函数;然后把时延估计问题转化为求解随机变量的期望问题,将采用指数化似然函数构造的标准化概率密度函数趋近于冲激函数,使得随机变量的方差趋近于零;最后采用蒙特卡罗方法对随机变量进行抽样,从而利用抽样的均值估计出时延。较之传统方法,蒙特卡罗方法避免了网格搜索,降低了计算复杂度,保证了全局收敛性和估计精度。仿真结果表明:在信噪比0~25dB的条件下,MCML算法均能始终逼近克拉美罗界;当信噪比为25dB时,MCML算法的时延估计分布范围缩小为马尔科夫链蒙特卡罗算法的34%。     

多径环境下CDMA移动定位的时延估计算法

针对CDMA移动定位系统中影响定位时延估计准确度的多径干扰问题，提出了一种基于早晚接收机原理的修正最大似然迭代估计算法，该算法对路径时延差在一定的码片间隔范围内，与传统最大似然时延估计器相比，能有效地抵抗多径干扰的影响，仿真结果证明了该算法的有效性和实用性．该算法同样适用于其他基于时间的无线定位系统的时延估计．     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

重要性采样的最大似然多径信道估计算法

提出了一种基于重要性采样方法的最大似然多径信道估计方法。该方法将时延与幅度估计解耦,利用蒙特卡罗算法(MC)对未知参数的分布函数抽样,计算样本均值直接得到多径时延和幅度估计结果,避免了耗时较长的多维网格搜索和对初值较为敏感的迭代算法。仿真结果表明,对于多径路数分别为5、15的情况,均能获得较好的信道估计。相比于现有的其他一些算法,该算法不仅能够同时获得时间延迟估计,同时也能对幅度精确估值。     

变时间延迟的分块递归最小二乘估计

时间延迟估计方法时常出现于目标方程和距离的检测问题中.通常时延估计问题的数学模型可描述为 x_1(t)=s(t)+n_1(t) (1) x_2(t)=αs(t-τ_1)+n_2(t) (2)此处n_2(t)和n_2(t)分别为两接收信号中的干扰噪声。一般假定s(t),n_1(t)和n_2(t)是联合平稳的,且互不相关。时间延迟估计的目标就是通过对观测信号x_1(t)和x_2(t)的分析处理估算(2)式中出现的因子τ_1。     

基于改进时延估计的声源定位算法

针对强噪声和强混响条件下, 室内声源定位算法收敛速度慢和定位精度低等问题, 提出一种基于改进时延估计的声源定位方法. 该方法建立在单源多元混响模型下, 首先用四元十字型麦克风阵列估计时延; 然后在广义互相关时延估计算法的基础上, 引入二次相关法以削弱噪声干扰, 同时采用LMS(最小均方)自适应滤波算法弥补广义互相关方法的不足, 提高混响环境下的时延估计精度; 最后, 通过远场近似几何方法定位声源. 实验结果表明, 与相位变换加权广义互相关函数(GCC-PHAT)算法相比, 该方法具有较好的抗噪能力与抗混响能力, 能获得更准确的定位结果.     

基于最大似然估计的多目标定位

宽带高分辨雷达多目标定位问题一般是先进行精确时延估计，再进行源定位。本文提出了一种在频域运用最大似然估计进行目标位置反演的方法，归结为全局搜索--目标函数的极值。通过对仿真数据的处理，结果显示该方法可以准确的估计出多目标位置。     

基于变步长最小均方误差自适应滤波器的变压器机器鱼避障时延仿真

为了解决变压器机器鱼避障过程中时延信息难以准确估计的问题,提出一种基于变步长LMS（最小均方误差）自适应滤波器的时延估计方法。不同于传统的互相关时延估计算法,变步长LMS自适应滤波器算法不需要信号和噪声的统计先验知识,具有更好的适用性。算法根据最小均方误差准则和最速下降法对滤波器的输出和权系数向量进行自适应调节,迭代过程中采用变步长代替传统的固定步长提高了收敛速度,然后对权系数向量进行Sinc函数插值获得时延估计结果。仿真分析了不同信噪比条件的时延估计性能,并且与传统互相关算法进行了比较,结果表明所提算法相对于传统互相关算法具有更好的抗噪性和更明显的时延估计峰值。     

GGE单天线干扰消除中信道估计技术研究

分析了GGE下行链路和相应的单天线干扰消除技术,设计了LMS自适应信道估计的方法,以此提高线性滤波的性能和系统干扰抑制的能力.为应对多小区异步干扰,所研究的LMS自适应信道估计添加了自适应遍历方向判断算法,以便扩展信道估计的适用范围,提高异步多小区自适应信道估计的性能.     

基于动态BP算法的非线性滞后系统辨识

鉴于很多实际问题都可以转化到多示例框架下求解,多示例学习越来越受到机器学习领域内学者们的关注.提出了一个基于Logistic回归模型的多示例学习算法.首先定义了一个新的似然函数来表示每个包的标签与其示例的隐含标签之间的关系,然后利用凝聚函数把该似然函数转化为一个光滑的凹函数,从而使问题可以用常用的无约束优化方法快速求解.在一些标准数据集和一个文本分类问题上的实验结果表明,所提算法要优于其他常用多示例学习算法.     

基于自适应步长的MIMO-OFDM信道估计技术

针对现有的多天线正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)系统自适应信道估计算法均未充分利用信道状态信息的时频相关性,导致估计性能不够理想的问题,提出一种自适应调整可变步长参数的信道估计算法。该算法以一维的最小均方误差(least mean square,LMS)自适应信道估计算法为基础,通过充分利用当前的信道矩阵的时频信息,自适应调整最优步长参数,解决了实际估计算法中使用时频二维信息进行估计复杂度高的问题,并获得了较为理想的信道估计精度。仿真结果表明,该算法能有效提高信道估计的精度,且对多普勒频移具有很强的鲁棒性。     

Eckart加权的自适应时间延迟估计

提出了一种Ｅｃｋａｒｔ加权的自适应时间延迟估计方法，分析了其性能，给出了计算机模拟的结果，理论分析和计算机模拟表明；这种时和瞎估计方法不依赖于输入信号和噪声的先验知识，具有较高的估计精度。